不持續點閱 YouTuber 頻道之意圖的影響因素

國立高雄大學資訊管理學系碩士班

碩士論文

不持續點閱 YouTuber 頻道之意圖的影響因素

Determinants of Discontinuous Intention of Clicking on

YouTuber Channels

研究生：陳蓉箴 撰

指導教授：吳建興 博士

誌謝

從進入碩班到現在還是很難相信，我竟然撐過了看似短暫卻備受煎熬的兩年 碩士班。兩年前剛進碩士班，對我來說就是一個全新的環境，學期剛開始時真的 壓力很大，畢竟上課的模式跟過去大學的時候相差甚大，很多地方都必須做調整 以及改變。而在這兩年的時間中也動過了非常多放棄的念頭，但當看見班上同學 都很努力的克服難關且互相勉勵的過著碩士班的生活，雖然我還是時常與朋友、 家人抱怨，但也因為他們的鼓勵我才可以支撐到現在，在這過程中也真的是非常 感謝大家忍受我的抱怨。 在碩士班這兩年中，首先感謝我的指導教授吳建興老師，由於在前期我一直 無法訂下論文主題，但總是很有耐心的跟我開會討論往哪些方向發想會更好。也 很感謝在訂定主題的過程中，老師不斷的鼓勵我、幫助我，不管是在論文撰寫的 過程中，或是開導我不要緊張、要更有信心在上台報告時以及在一些瑣事上的幫 助。也因為有老師的幫助，才能讓我順利的完成論文，謝謝建興老師。 在一進來碩士班最讓我害怕的兩堂課就是 Group Meeting 與書報討論這兩堂 課，因為我是一個極度害怕上台以及提問的學生，但這兩堂課時常需要上台報告 或是提問，這也是我剛進高大資管時最不能適應的一件事情了，但卻也是我在碩 士班中成長最多的課程。很感謝班導郭英峰老師，在碩士班期間給予我許多提點 以及幫助，不管是在論文或是人生經驗等等，讓我受益良多。另外也要感謝王凱 教授、楊書成教授、趙建雄教授在Group Meeting 時的指導以及提點，再來是感 謝林杏子教授、丁一賢教授、楊新章教授、楊子賢教授、蕭漢威教授、王學亮教 授們於學校課程以及 Proposal 上的指導，才能讓我在碩士班學習到許多知識，謝 謝你們。 在碩士班這兩年中也很感謝 301 的家榮、宗訓、鈺輝、宇寬，幫助我解決論 文以及課業相關的問題，雖然在一開始我的研究室並不在 301，但大家好像也蠻 習慣我偶爾出現在 301 並且打擾大家，也因為有 301 的大家讓我的碩士班生活增 添了一些樂趣，真的是非常感謝。還有也很感謝系辦秘書明君姐，在這兩年中提 醒、幫助了我不少事情，因為我有時候真的很神經大條，如果沒有明君姐的提醒 以及幫助我這兩年應該會很艱辛。再來，也很感謝班上其他同學、學長姐以及學 弟妹，在碩士這兩年中的幫助。 最後，感謝我的口試委員吳傳春老師、趙建雄老師及吳建興老師，對我的論 文提出了許多寶貴的建議，得以使本論文內容更為完善。再次感謝各位老師兩年 來的耐心協助與指導，使我獲益良多，與許多好夥伴的鼓勵及永遠當我靠山的家 人們，我才可以順利從高大資管碩士這溫暖的大家庭畢業。

不持續點閱 YouTuber 頻道之意圖的影響因素

指導教授：吳建興 博士 國立高雄大學資訊管理學系 學生：陳蓉箴 國立高雄大學資訊管理學系碩士班 摘要 雖然 YouTuber 頻道可以在短時間內引起群眾關注並提升影片的觀看人數， 然而，仍有觀看者在一段時間之後就很少或甚至於不再點閱。例如，YouTuber 持續推出相似主題的影片內容，可能容易造成觀看者對該頻道感到乏味而不願意 繼續留下。本研究論文以此為動機，以期望不一致理論為理論基礎，建立並實證 驗證一個描述 YouTube 用戶不持續觀看 YouTuber 頻道的解釋模式，此解釋模式 將考量影片特質(娛樂性不足、標題與內容不一致、知覺廣告干擾)及 YouTuber 特質(知覺互動性不足及負面自我披露)為兩個期望不一致的主因。本研究同時也 檢定點閱年資(半年以上、三~五個月、不足三個月)對解釋模式的調節效果。經 由 406 筆有效問卷的分析結果，得到如下的研究發現：(1)影片特質與 YouTuber 特質的變數中，只有知覺廣告干擾對於用戶的知覺不滿意是沒有影響的，其餘變 數皆呈現顯著的影響，(2)調節變數(點閱資歷)對知覺互動性不足與知覺不滿意度 的關聯有顯著調節效果，(3)調節變數對娛樂性不足及標題與內容不一致有部分 調節效果。本研究也提出管理意涵與建議供 YouTube 平台及 YouTuber 未來經營 的參考。 關鍵字：YouTuber、期望不一致理論、影片特性、YouTuber 特質、不持續點閱 意圖

Determinants of Discontinuous Intention of Clicking on

YouTuber Channels

Advisor: Professor Chien-Hsin Wu Department of Information Management

National University of Kaohsiung Student: Jung Chen Chen

Institute of Department of Information Management National University of Kaohsiung

Abstract

Despite that YouTuber channel can attract people's attention and rapidly increase the number of viewers of the movie, there are still some viewers who rarely or even no longer view it in a few days. For example, YouTuber continues to launch video content with similar themes, which may easily cause viewers to be bored with the channel and choose not to stay. Based on the theory of expectation-disconfirmation, the research thesis proposes and empirically examines a causal model that describes YouTube users who are not watching YouTuber channels continuously. The model considers channel characteristics (i.e., insufficient enjoyment, inconsistency between title and contents, and perceived ad interference) and YouTuber traits (i.e., insufficient perceived interactivity and negative self-disclosure) are two main determinant facets associated with the discontinuous clicking intention. This study also verifies the moderation effect of users’ seniority (i.e., more than half a year, three to five months, less than three months) on the causal model. According to the analysis of 406 valid samples, the following research findings were found: (1) of the variables of video traits and YouTuber traits, only perceived ad interference reveals no effect on the user’s perception of dissatisfaction, and the remaining variables have significant effects. (2) users’ seniority shows a significant effect on the insufficient perceived interactivity. (3) users’ seniority shows a partially significant effect on insufficient enjoyment and inconsistency between title and content. This study also puts forward management implications and suggestions for the YouTube platform and YouTuber's future operations.

Keywords: YouTuber, Expectation-disconfirmation theory, Video features,

目錄 第一章、 緒論 ... 1 第一節. 研究背景與動機... 1 第二節. 研究目的 ... 5 第三節. 研究流程 ... 5 第二章 文獻探討 ... 6 第一節. 社群媒體 ... 7 第二節. YOUTUBER頻道 ... 9 第三節. 期望不一致理論... 11 第四節. YOUTUBER影片特質之期望不一致 ... 13 第五節. YOUTUBER特質之期望不一致 ... 18 第六節. 點閱資歷 ... 20 第三章、 研究方法 ... 23 第一節. 研究模型 ... 23 第二節. 問卷設計 ... 25 第三節. 抽樣計畫 ... 25 第四節. 資料分析技術 ... 26 第五節. 預試資料分析 ... 26 第四章、研究結果 ... 29 第一節. 敘述性統計分析... 29 第二節. 信效度分析 ... 30 第三節. 研究模型驗證 ... 33 第五章、結論與建議 ... 40 第一節. 結論 ... 40 第二節. 研究貢獻 ... 45 第三節. 研究限制 ... 49 第四節. 未來建議 ... 49

圖目錄 圖 1- 1、研究流程... 11 圖 3- 1 研究架構圖 ... 23 圖 4- 1、原模型結果 ... 35 圖 4- 2、調節分析結果 (半年以上點閱資歷) ... 36 圖 4- 3、調節分析結果 (三~五個月點閱資歷)... 38 圖 4- 4、調節分析結果（二個月以下） ... 39

表目錄 表 3- 1、研究變數操作定義 ... 24 表 3-2、預試信度檢定 ... 27 表 3- 3、問卷設計... 60 表 4- 1、樣本結構統計表 ... 29 表 4- 2、信度檢測結果 ... 31 表 4- 3、各題項之因素負荷量 ... 32 表 4- 4、各構面之效度矩陣表 ... 33 表 4- 5、結構模式分析結果 ... 34 表 4- 6、半年以上點閱資歷之結構模式分析結果 ... 36 表 4- 7、三至五個月點閱資歷之結構模式分析結果 ... 37 表 4- 8、二個月以下點閱資歷之結構模式分析結果 ... 39

第一章、 緒論

第一節. 研究背景與動機 近幾年，使用社交網路服務(SNS)媒體，例如 Facebook、Twitter、YouTube 等，成為了新的趨勢。從根本上來說，社交網路服務(SNS)隨心所欲地改變了通 訊的基礎，它已成為無處不在的網路，並導致了媒體生態系統本身的變化，並以 媒體生態系統的新參與者身份出現(Cheung＆Lee, 2009)。目前，全世界約有 40.21 億的上網人口，其中包含 20 億名來自開發中國家以及 8900 萬名來自未開發國 家的人。財團法人台灣網路資訊中心(TWNIC)統計，2018 年全國 12 歲以上上網 人數達 1,738 萬人，而全國上網人數經推估已達 1,866 萬，整體上網率達 79.2%。 其中，行動上網率逐年上升，2018 年首度突破七成，而無線區域網路上網率則 下降一成五。就網路服務應用部分，網民於內容媒體、社群媒體的使用率最高， 皆超過八成。根據國發會年初的資料顯示(2018)，55 歲以下上網率是 96%，40 歲以下則是 99%，50 到 54 歲上網率 84%，55 歲到 65 歲上網率是 62%，這些數 據顛覆過去年長者不上網的刻板印象。 台灣 2018 年網路報告指出「收看網路影音、直播或收聽音樂」有 89.3%使 用率。當今最受歡迎的影音分享平台「YouTube」，推出於 2005 年，它是僅次 於 Google 和 Facebook 的世界第三大訪問量網站(Alexa, 2019)。在各種社交媒體 平台中，YouTube 的流行度就在 Facebook 後面；77％的網路用戶使用 Facebook， 而 63％的用戶使用 YouTube (Anderson, 2015)。 2014 年皮尤研究中心(Pew Research study)的一項研究發現，有 63％的網路用戶在 YouTube 上發布或觀看影 片，這超過了 LinkedIn，Google Plus 或 Twitter 的用戶(Mitchell, Gottfried, Kiley & Matsa, 2014)。根據 Variety(2014)對青少年的調查，與一般電視明星相比，YouTube 名人被認為更加真實，平易近人和有影響力。YouTube 的內容是多元化和全球性 的，這提供了將內容傳播給非常廣泛的網站訪問者的機會。因此，對於業餘內容

創作者和媒體公司而言，該網站都是一個有吸引力的平台(Xu, Park, Kim & Park, 2016)。

YouTube 不限時間地點隨時可觀看、任意選擇且充滿豐富各式內容的網路影 音，也逐漸成為觀眾影音觀看主流，並透過原創、多元以及社群連結性的影音內 容吸引著台灣觀眾的眼球與高黏著度(自由財經，2018)。目前 YouTube 在全球擁 有 19 億用戶(Statista, 2019)，根據 YouTube Pluse 及益普索市場研究 (Ipsos)數據 顯示，以過去 1 個月看過 YouTube 的比例來說，已經達到 93%，1 個星期看 1 次的比例也達到 90%，而每天看的比例，更是從去年 63%到今年 71%。YouTube 在 2018 年公佈了用戶使用行為大調查，結果超過 2000 位 16 到 64 歲受訪者中， 不但超過 9 成網友 1 個月內看過 YouTube，平均每週觀看時數，更從去年的 14.6 小時，上升到 16.4 小時，平均每人每天花將近 2.5 小時觀看 YouTube，其中以 16 到 24 歲年齡層的網友觀看時數增長幅度最大達 20%，每天更有超過十億的用 戶和十億小時的影片觀看時間。根據 YouTube Pluse 及益普索市場研究 (Ipsos) 進行的《YouTube 使用者行為大調查》統計，55 到 64 歲族群，超過 8 成的人每 個月看 YouTube，超過 4 成的人，每天看 1.5 小時。由此可知 YouTube 是一個不 管在任何年齡層都受歡迎的影音分享平台。 數位時代(2017)指出，全球前十大 YouTuber 過去總共賺進 1.27 億美元/年， 這個數字比 2016 年成長了 80%，YouTuber 也成為新時代下最賺錢的新興職業之 一。觀眾可以在此平台觀看由稱為 YouTubers 的媒體表演者製作的影片。而 YouTuber 也因為「低門檻」的特性，吸引了不少人加入這個行業，而部份的人 會稱其為「創作者」。這些創作者會使用 YouTube 這個平台也是因為相較於其 他平台(例如，Facebook)，YouTube 觸及的年齡層更廣，也能提供更完整的平台 數據像是不同時間的觀看人數、觀看次數、收視群年齡層以及最重要的收益報表。 YouTube 的經濟效益已經遠超過當初的想像，在網路世代之下，全球有上萬 的人、公司靠著 YouTube 維生，賺取平台的點擊率、廣告分潤、業配廣告、周 邊產品或是創作者提供的訂閱服務。自由財經(2018)指出，台灣地區訂閱數突破

十萬的頻道數，成長超過 90%，從去年底從 200 多個頻道成長至今 380 個頻道， 平均每 3 天就有兩個頻道突破十萬訂閱。對於在 YouTube 上成功的 YouTuber 來說，龐大的訂閱量可以產生數百萬美元的年收入(Berg, 2016)。

根據 YouTube 官方條例，成為營利的 YouTuber 標準，主要分為兩種：一是 訂閱數要超過 1000 以上; 二是一年的頻道影片觀看總時數要超過 4,000 小時 (YouTube, 2018)。而 YouTuber 一部分的收益來自 Google 和 YouTube 的廣告分 潤，這會視其頻道的訂閱量以及觀看人數來換算投放在頻道上的廣告量。 訂閱人數的增長可以在短時間內有效提升影片的觀看人數，因為當觀眾訂閱 自己喜歡的 YouTube 頻道，可以在頻道上傳新內容時獲得即時資訊。YouTube 在 2019 年提出，七成以上的 YouTube 使用者，都曾看過 YouTuber 創作者的影 片、有 27%的用戶訂閱了一個以上的 YouTube 頻道，61％的 YouTuber 頻道訂閱 者會在收到頻道影片上傳通知後的 24 小時內上線觀看，所以提升訂閱人數是每 位 YouTuber 的當務之急。然而，訂閱數高並不等於點閱數也高(Ferchaud, Grzeslo, Orme, & LaGroue, 2018)。雖然目前 YouTube 頻道如雨後春筍般出現，但根據關 鍵評論(2016)的統計，一個普遍的現象是，YouTube 頻道的訂閱數量與觀看人數 差距相當的大。換言之，要使觀看者訂閱不難，但真正能留住訂閱者並持續點閱 觀看，仍需深入探討。 提高觀看者訂閱以及觀看頻道的動機，雖然是 YouTuber 努力的重點之一， 但真正重要的仍是這些觀看者是否能真的成為此頻道的忠實粉絲，並能持續地觀 看以及持續訂閱。YouTube 上的每個頻道都會有 YouTuber 獨有的風格或特定的 主題，像是搞笑、美妝、遊戲等等。然而一味持續推出相似的影片主題、內容或 是跟其他的 YouTuber 有雷同的主題，或許容易造成觀看者厭倦此頻道，嚴重則 可能失去這些觀看者。因此，從理論的角度，或單方面去瞭解觀看者喜好的影片 主題或 YouTuber 本身特質等因素與持續使用的關聯，似乎仍不足以完全瞭解觀 看者持續觀看 YouTuber 頻道的主因。例如，當觀看者不再喜歡此頻道內容或 YouTuber 時，一味的繼續討論他們喜歡頻道內容或 YouTuber 的主因，往往會更

快速的失去他們，因為他們可能有更在意的需求並未得到滿足。由此可知，過去 研究多在談論如何有效提升、增加觀看者觀看意願的因子，但是觀看者們卻仍有 許多不想觀看的頻道。當這個現象發生時，從反面的角度去思考有哪些因子是觀 看者所在意與注重。舉例來說，Boontarig et al. (2012)主要研究泰國老齡人口使 用智慧型手機的電子健康服務的影響因素，發現如果用戶對新技術或服務沒有任 何瞭解，他們可能沒有興趣持續使用此技術。而持續使用意圖也可以說是使用者 對此社群的黏著度與忠誠度，同時反應出使用者是否有意願繼續使用此社群。而 Bhattacherjee (2001)認為持續使用意圖代表資訊系統能否被接受的重要指標，而 使用者是否願意持續使用資訊系統，主要取決於他們實際使用過後，所感受到滿 意度的程度而定。因此，近年來推出許多新興的平台或服務，讓更多學者深入探 討使用者對於新平台或服務的行為意圖，並從中發現影響主因，並同時給予企業 了解自身的優勢，以提升使用者的持續使用意圖，但卻少有研究直接探討新平台 以及服務的缺點，釐清何種因素造成不持續使用行為並予以改善。因此本研究認 為從 YouTuber 頻道中探討 YouTuber 未實際做到的，或哪些因子是 YouTuber 們 目前經營 YouTuber 頻道所出現會嚴重影響觀看者觀看意願的主要問題是值得探 討的。 本研究以此為動機，以反方向的思維探討影響 YouTube 用戶不持續觀看 YouTuber 頻道的主要因素；換言之，本研究論文將探討不持續觀看 YouTuber 頻道的主因，並將以 YouTube 頻道影片特性以及 YouTuber 的特質為不滿意，以 至於不持續觀看的主要前因，藉此了解訂閱者不持續觀看 YouTuber 頻道的重要 因 素 ， 如 何 影 響 不 持 續 點 閱 的 前 因 。 本 研 究 論 文 將 以 期 望 - 不 一 致 理 論 (Expectation-disconfirmation theory)為理論基礎，透過實證研究法，建立並驗證一 個描述 YouTube 用戶不持續觀看 YouTuber 頻道的解釋模式，研究結果與建議將 提供給 YouTuber 訂定決策或策略的參考。

第二節. 研究目的

YouTube 頻道將 YouTube、YouTuber 和觀看者三者連結，YouTuber 為第三 方角色，利用 YouTube 推出各式各樣的影片，讓 YouTuber 頻道的新資訊可以更 精準的推播給觀看者，例如，訂閱頻道的影片更新通知。如何推廣專屬的 YouTube 頻道，使觀看者主動訂閱，而在收到推播即時訊息時會進而點閱，成為 YouTuber 必須思考的經營重點。 然而，YouTuber 利用創新的影片主題、影片內容風格，固然能吸引更多觀 看者訂閱以及觀看，但後續取消訂閱或觀看的情況也屢見不鮮。所以，從訂閱動 機、使用過程到不持續使用的整個過程來思考 YouTube 用戶的點閱行為，是 YouTuber 必需深入探討的議題之一。換言之，觀看者真正重視的頻道資訊又為 何? 在訂閱的過程中，又因為何種主要因素導致持續觀看 YouTube 的意願降低? 而且，不同的點閱資歷(Seniority)的用戶，是否對前因與知覺不滿意的關聯具有 調節效果? 這些都將是社群行銷人員值得探討的問題。 因此，本研究將進行量性的實證研究，並預期達到以下兩項研究目的： (一) 以期望-不一致理論(Expectation-disconfirmation theory) 為理論基礎，考量 Youtube 頻道影片特性(例如：娛樂性不足)及 YouTuber 特質（例如：知覺互 動性不足）等前因，透過實證研究法，建立並驗證一個描述 YouTube 用戶不 持續觀看 YouTuber 頻道的解釋模式 (二) 分析點閱資歷在解釋模式中的因果關係之調節效果。 第三節. 研究流程 本研究論文的研究流程如圖 1-1 所示，首先是確認研究動機並定義研究目 的，接著，透過實證研究法驗證研究模式各變數的因果關係，包括：問卷設計、 抽樣計畫、資料分析及假設檢定，最後提出研究發現、理論與實務意涵、研究建 議、及未來研究方向。

圖 1- 1、研究流程 確認研究動機與目的 確認研究方法與研究 架構 實證研究 文獻探討 蒐集與整理資料 分析資料與討論 結論與建議

第二章 文獻探討

第一節. 社群媒體

近年來，社群媒體發展逐漸普及，社群媒體備受重視，傳播內容、資訊更具 彈性以及互動性(Kietzmann, Hermkens, McCarthy, & Silvestre, 2011)。社群媒體吸 引使用者的注意，並已成為日常生活的一部分。而社群媒體與大眾媒體最大的差 異之處是增加了互動性，互動性不僅可以讓使用者認識陌生人，並且能建立自己 的社交網路(Ellison, 2007)，而這些社交網路是使用者分享、創作以及交流意見的 一個地方，使用者擁有選擇接受資訊的權利以及編輯的能力，內容多以文字、圖 片、影音等方式呈現，因此使用者會更願意在社群媒體上分享自己的意見或資訊。 Boyd 和 Ellison (2007)將建構社群網站之定義歸類並彙整成三個需要元素， 分別為：在系統內建立公共或半公開的個人資料、闡明與其共享連接的其他用戶 列表、以及查看和尋找系統中其他人所建立的連接列表。這些因素會隨著時代的 變化跟著改變，而且個人資料連接已不是支持社群媒體的唯一或是主要方式。例 如 Twitter、Facebook、YouTube 皆具有獨特的架構、規範和文化(Smith, Fischer, & Yongjian, 2012)，並不只局限於個人資料的連結，也能藉此來吸引更多的使用者 使用。社群媒體提供使用者各式各樣不同的功能，例如照片分享、部落格、社群 遊戲、社交網路、影片分享、商業網路、虛擬遊戲、網路評論等等，每個社群網 站都有較為擅長的部分。對使用者而言，社群媒體可以聯繫朋友、分享內容、找 到世界各地擁有相同興趣愛好的朋友。 社群媒體資訊的高曝光率，讓使用者處於一個全新的溝通環境之中。相較於 以往要拿到報章雜誌或者打開電視才搜集得到的資訊時代，現在只需要拿起手 機、電腦就能搜集得到任何想要的資訊。過去在 Web1.0 時代用戶只能觀看別人 的內容，到了 Web2.0 用戶可以自己創造內容並上傳社群媒體平台與他人分享， 從過去的消費者(下載)為主，變成消費者(下載)與生產者(上傳)的資訊交流（Boyd & Ellison, 2008），於是出現使用者創作內容(User-generated content, UGC)這個概

念，它被視為現在人們使用社群媒體的方式，也就是最終使用者可以公開取得和 創建各種形式的媒體內容，包括文章、照片、影片等等。

根據 Organization for Economic Cooperation and Development(OECD, 2007)的 定義，使用者創作內容必須滿足三點要求，一、它必須在公開網站或社群網站發 表，並觸及特定群體，二、部分內容必須是原創的，三、它需要在專業之外創造 規則和做法。此外，部分情況必須排除，一、不包含在 e-mail 或即時訊息上交 換的內容，二、不能僅僅複製現有內容，三、不包含依據商業需求所創造的內容 (Kaplan & Haenlein, 2010)。

例如早期 YouTube 被認為是電視廣播的替代品，任何具有 Internet 連接的人 都可以在家中輕鬆播放自己動手製作的影片，類似於傳統的電視廣播。但隨著時 間的變化，YouTube 已經開始被視為一個線上社群，而不是傳統電視廣播的替代 品。YouTube 與過去傳統電視廣播最大的差異在於其參與結構的不同(Jenkins, 2006)，YouTube 的參與文化源於用戶生成內容(UGC)的概念，它是 Web 2.0 的產 物。使用者創作內容(UGC)的內容製作非常快速，與過去用戶製作的內容相比來 得更省力(Cha, Kwak, Rodriguez, Ahn, & Moon, 2007)，而創作內容的作者稱為 YouTuber。現今網路上充斥著許多使用者創作內容(UGC)，也能提供使用者搜尋 所需要的資訊。例如 Twitter 推文，Facebook 狀態更新和 YouTube 上的影片，以 及消費者製作的產品評論和廣告(Dhar＆Chang, 2009；Muñiz & Schau, 2007)。

使用者創作內容(UGC)重新定義了人們觀看影音內容的方式，這些提供使用 者創作內容(UGC)的網站，創造了新的觀看模式以及社交互動，讓用戶有更具創 新的想法(Van Dijck, 2009)。如今，使用者在觀看內容時可以根據自己的喜好興 趣，或是影片的受關注程度來選擇或搜尋想要觀看的內容，並且也可以在觀看影 片的同時，於平台中分享自己的評論及看法。事實上，YouTuber 這名詞尚未正 式出現前，與 YouTuber 相關的研究都以 YouTube 上的使用者生成內容(UGC)為 主(Holland, 2017; Smith, Fischer, & Yongjian, 2012;Kim, 2012)，其研究目標對象大 多是 YouTube 上創作內容的 YouTube 使用者。直至近年 YouTuber 一詞才出現在

相關文獻中(Genç & Ö ksüz, 2019; de Bérail, Guillon, & Bungener, 2019; Beers Fägersten, 2017)，而且多樣性、自主性、及普遍性讓 YouTuber 頻道如雨後春筍 般的散佈在 YouTube 平台上。 第二節. Youtuber 頻道 YouTube 平台可以稱作是傳統融合電視、音樂和電影娛樂選擇的舞台(Shao, 2009, p.12) ，並 以自 我推 廣和 自我傳 播 的 方 式為營 運機制 (Burgess ＆ Green, 2009)。由於頻道種類繁多，用戶可以選擇訂閱大量的頻道。根據 Alexa Internet 的 報導，截至 2018 年 8 月，YouTube 被評為全球第二大熱門網站(Alexa Internet, 2019)，在「2017 年 BrandZ 最具價值全球品牌 100 強」中更是名列第 65 名 (WPP plc, 2017)。如此蓬勃發展的影音網站，更是創造出了一項新興職業 – YouTuber (職業化的部落格經營者)。YouTuber 又稱 YouTube 名人(YouTube celebrity)或是影音部落客(Vlogger)的人，其主要是定期上傳自己的創作影片至專 屬的 YouTube 頻道(也稱作 Youtuber 頻道)供 YouTube 使用者觀看，並透過這些 影片累積訂閱者以及觀眾數 (Jerslev, 2016)。這跟一般的專業官方頻道不同，官 方頻道是由企業或藝人所創立的頻道，雖然發布的內容相對於 YouTuber 頻道會 更加專業、精緻，但以現在 YouTube 用戶的喜好而言 YouTuber 頻道是更加受歡 迎的。 根據 Variety(2014)對青少年的調查，與一般電視明星相比，YouTube 名人被 認為更加真實，平易近人和有影響力。目前在 YouTube 上，知名的 YouTuber 都有一個共通點，就是擁有足夠的 YouTube 使用者去訂閱其頻道，而該頻道也 到達一定量的訂閱、觀看人數以及觀看時數。根據 YouTuber 官方條例，成為營 利的 YouTuber 標準，需要達到兩種標準，第一個訂閱數要超過 1000 以上，第 二個是一年的頻道影片觀看總時數要超過 4,000 小時(YouTube, 2018)。達到這些 門檻就可以向 YouTube 平台申請成為收益頻道，並可以向 Google 申請置入廣 告，同時也可以透過 YouTube 使用者觀看影片的方式賺取利潤。

目前 YouTube 的創作內容並不侷限於某種類型，而是充滿了各式各樣不同 的頻道種類。例如，娛樂型 YouTuber (例如這群人 TGOP)、知識型 YouTuber (例 如阿滴英文)、美妝 YouTuber (例如 Hello Catie)、遊戲實況 YouTuber (例如阿神) 等等。由於 YouTuber 創作影片的主要目的是，為了吸引觀眾並讓觀眾留下深刻 的印象，累積自己的人氣，並且透過知名度賺取金錢。因此，以上面這些類型的 YouTuber 來說，其共通點就是設定自己為影片的主角，因為當 YouTuber 累積一 定的人氣與影響力之後，這些 YouTuber 的頻道便會成為專屬自己的個人品牌 (Holland, 2016; Jerslev, 2016)。 隨著 YouTuber 這個職業的興起，目前台灣的 YouTuber 在 2017 年底發展 越發迅速，從 2017 年底到 2018 年底突破十萬訂閱的 YouTuber 就從 200 多 個增長到 430 個，達到百萬訂閱的 YouTuber 也從 9 個增長到 19 個，雙雙都 成長兩倍以上(Google 官方部落格, 2018)。在需求日漸成長的線上影音市場，也 吸引許多使用者紛紛加入 YouTuber 這個行業。在現在這個時期，成為 YouTuber 不難，只要 YouTuber 本身具備特色或是頻道影片題材夠新穎、創新也容易吸引 YouTube 用戶訂閱並觀看，成為一個讓 YouTube 用戶願意訂閱的 YouTuber 頻道 並非難事。然而，要讓用戶持續訂閱、關注、並點閱 YouTuber 頻道，就不是那 麼容易了。 現代人觀看影片很大部分都是以娛樂的心態，根據 McQuail 等學者(2005) 的研究指出，社群媒體之所以能作為娛樂和逃避壓力之手段，其價值就在於能夠 滿足用戶對逃避現實、享受、情緒釋放和焦慮解除的需求。一旦觀看者認為此 YouTuber 不符合這樣的個人需求，就會選擇觀看其他的 YouTuber 頻道，而不再 或很少繼續觀看此 YouTuber。過去文獻大多數著墨於在探討有關 YouTuber 的持 續關注(謝映容, 2019; Ferchaud, Grzeslo, Orme, & LaGroue, 2018; Frobenius, 2014)，然而，滿足訂閱戶之需求而願意持續點閱並非易事的情況下，從期望與 體驗不一致的角度來看，為什麼用戶不持續點閱的行為以及影響因素，對 YouTube 平台以及 YouTuber 本身的經營，是值得深入探討的重要議題之一。而

描述這種期望不一致而導致不持續點閱的行為，Oliver(1980)提出的期望不一致 理論受到廣泛的應用、

第三節. 期望不一致理論

期 望 不 一 致 理 論 模 型 (Expectation-Disconfirmation Theory, EDT) (Oliver, 1980)指出，將消費者購買後的滿意度是由購買前的期望和購買後的知覺績效共 同決定的。它已被廣泛使用於描述消費者行為，主要用於研究消費者滿意度、購 買後行為、以及相關影響因素。該模型的四個主要構念是：期望、知覺績效、不 一致和滿意。知覺績效是經過體驗此項產品或服務，並有一定的熟悉與瞭解後， 導致顧客產生新的認知;不一致性為商品或服務的最初期望與體驗後的知覺績效 比較後的差距。 EDT 將期望和不一致性分為以下三種：正面不一致性(知覺績效超過期望)、 不一致性(知覺績效等於期望)，或是負面不一致性(知覺績效低於期望)。例如， 觀看者一開始對某一 Youtuber 的頻道有著很大的期待以及喜愛所以訂閱，當關 注且訂閱了一段時間之後，卻覺得這個 Youtuber 已經不是當初所期望的那樣並 且造成失望，以至於漸漸的不再關注或點閱該 Youtuber 的影片。由此可知，理 論架構是根據觀看者一開始觀看的期望和持續關注後不一致的認知所共同決定 訂閱後的滿意程度。目前期望不一致理論已被廣泛應用於解釋消費者對產品或服 務的滿意( Zhu, Freeman, & Cavusgil, 2018; Serrano, Shah, & Abràmoff, 2018; Qazi, Tamjidyamcholo, Raj, Hardaker, & Standing, 2017; Elkhani, 2012; Lankton & McKnight, 2012)、不滿意(Fan & Suh, 2014; Zhang et al., 2009)、電子口碑(Chang & Wang, 2019; Kucukarslan & Nadkarni, 2008)、持續使用意圖(Chen, Wang, Zhu, & Lian, 2020)、及轉換意圖(Fan & Suh, 2014)等。

Bhattacherjee 和 Premkumar (2004)以期望不一致理論為基礎，以不一致性和 滿意度作為推論改變使用者後續行為的兩個構念基礎。但過去研究多半以持續使 用意圖為主(Chen, Wang, Zhu, & Lian, 2020；Hsu ,2006; Ahuja & Thatcher, 2005；

Bhattacherjee & Premkumar, 2004)，並認為此議題具有描述消費者行為的價值， 但是以反向的思維，找尋真正導致使用者不願意再持續使用的關鍵因素的研究， 相對來說卻表較少。Churchill 和 Surprenant(1982)指出，知覺績效也可能直接影 響滿意度，但有時它會成為唯一的影響(Phillips & Baumgartner, 2002)。例如，對 於某一個 Youtuber 頻道，當觀看者一開始的期望跟實際認識後感到失望(負面不 一致)時，會直接影響後續的觀看滿意度，換言之，過去的失望經驗會導致產生 知覺不滿意，以至於不容易產生再次接受的意願。 Oliver (1980)特別指出，滿意度為影響持續使用意圖的重要因素之一。Cadotte 等學者 (1987)也指出，滿意度是由使用者體驗中評估而產生的感受，表示被視 為顧客滿足的情緒。正如 Rust 和 Oliver(1994)所強調的，滿意度是指人們認為 良好的體驗會激發積極情感的程度。這個概念也可以延伸到其他議題，例如滿意 度被認為是訊息系統成功的重要因素(DeLone＆McLean，2004)。Anderassen(2000) 的研究也發現，成功的服務可以在客戶中產生滿意的感覺。換句話說，客戶滿意 度是制訂營銷策略的重要因素，因為它直接影響消費者的態度和行為。舉例來 說，用戶對 Youtuber 頻道影片的滿意程度會直接影響繼續點閱此 Youtuber 頻道 的意圖。 另一方面，服務的失敗也可能會導致客戶不滿 (Hedrick et al., 2007)。顧客不 滿意是一種與目標產生負面不一致的結果，嚴重的服務失敗勢必影響顧客的情 緒，進而讓他們感到不滿。因此，當服務失敗程度越嚴重，越可能讓顧客認為服 務是不完善的，因此感到不滿意 (Zhang et al., 2009)。Zhang 等學者(2009)在他 們的研究中使用 12 個項目來衡量服務失敗的情境，包括不滿足、不悅、沮喪、 糟糕、生氣、不友善、壞、低落、不愉快、緊張、失望和無動於衷。不滿意是一 種負面情緒，並可以涉及到憤怒、厭惡和反感 (Storm & Storm, 1987)。不滿是由 顧客根據服務表現的主觀評價所產生的心理情感反應 (Oliver 1980)。當發生事件 感到不愉快或是目標、需求受到阻撓，也會產生不滿意，因為不滿意與經驗後的 知覺不理想有關，而不是與其起因有關，故不滿意是一種取決於體驗結果的情緒

(Weiner, 1986)。

另一方面，顧客不滿意的的概念相對比較少被關注 (Giese & Cote, 2000)。 顧客的滿意及不滿意視為兩個不同的層面(Westbrook & Oliver, 1991)，由於顧客 有時對選擇/消費一方面的經驗滿意，但對另一方面卻不滿意 (Giese & Cote, 2000)，因此，產生滿意與不滿意為兩個截然不同的論點。而過去文獻較少深入 探討不滿意的概念以及其影響原因。本研究以觀看者的感知為主，當 YouTuber 頻道所呈現的資訊讓用戶感到不滿意時，容易使觀看者產生不滿的情緒，因而降 低觀看者再持續觀看 YouTuber 頻道的意願。 藉此，本研究定義知覺不滿意，指用戶在關注特定 YouTuber 頻道所呈現的 資訊時，對於此頻道感知到不滿意，此知覺不滿意將會影響觀看者不願意持續點 閱此 YouTuber 頻道的影片。據此，本研究建立假說(一)(H1)。同時，本研究以 YouTuber 影片特質以及 YouTuber 特質兩個期望不一致的來源，做為影響知覺不 滿意的兩個主要因素，同時也考量點閱資歷(點閱該 YouTuber 頻道的時間)細部 分析與論點描述於後。 假說(一)：觀看者的知覺不滿意會正向影響 YouTuber 頻道的不持續點閱意圖 第四節. Youtuber 影片特質之期望不一致 一、娛樂性不足

Katz, Blumler 與 Gurevitch 於 1974 年 提出 使 用 與 滿 足 理 論 (Uses and Gratifications theoretical, UGT)，該理論廣泛應用於了解媒體如何產生吸引力，並 以使用者為中心來理解大眾傳播的使用。該理論認為使用者是採目標導向並主動 選擇使用媒體，是不同於過往傳統媒體被動的接收資訊。使用者對媒體有一定的 期望，並選擇特定媒體以滿足他們的需求。因此，使用與滿足理論更關注於媒體 帶給人們的服務以及影響，而不是媒體所擁有的功能(Klapper, 1963; Rubin, 2002)。根據過去文獻整理，使用者的需求被分為五類：認知、情感、個人整合 性、社會整合性、以及紓解壓力等需求(Katz, et al., 1974; Werner and James, 1988;

Blumler and Katz, 1974; Katz, Gurevitch and Hass, 1973)。如果特別以情感需求來 看，此需求包括情感體驗，以及對愉悅、娛樂、或美學的渴望，其中娛樂性被廣 為應用在社群媒體的相關文獻之中。舉例來說，在 Jung 等學者(2007)的研究中， 確認在韓國使用 Cyworld 的六項理由中，娛樂就屬於其中一項。

在 YouTube 這個影片分享平台，最受歡迎的頻道也多來自娛樂相關的類 別，例如娛樂、音樂、喜劇、電影、及動畫(Social Blade, 2019)，YouTube 的影 片形式非常符合時間有限、有許多事情要做的現代消費者，也因為現代人把時間 零散分配至一週中甚至是 24 小時之中(Wolf, 1999)，所以更高頻率更快速的消費 娛樂(Miller, 2007)是現代人的首選。而 YouTube 平台上也充滿許多滿足人們對於 快速娛樂需求的影片。現代人觀看影片都是以娛樂的心態居多， McQuail 等學 者(2005)指出，社群媒體之所以能作為娛樂和逃避壓力的手段，其價值在於能夠 滿足用戶對逃避現實、享受、情緒釋放和焦慮解除的需求。 Moon 和 Kim (2001)以科技接受模型當基礎，加入娛樂性來解釋探討影響使 用者使用 WWW 網站的因素，並將娛樂性定義出三個面向，其為「專注」 (Concentration)、「好奇心」(Curiosity)與「娛樂」(Enjoyment)，「專注」是指在娛 樂的過程中，使用者注意力會專注在此行為上，而「好奇心」是指當使用者在對 於此過程會引發好奇，驅使使用者進一步去接觸探索，最後「娛樂」是指當使用 者進行此行為本身會感到有趣愉悅的感覺。在 IS 持續使用模型中的研究，實用 價值與娛樂價值也備受關注，Dholakia 等人(2004)認為，在虛擬社群中應考慮目 的性價值和娛樂價值；以及 Jin 等人對線上社群的研究(2009)，使用擴展的 IS 持續使用模型顯示了這兩種感知價值的有效性。娛樂性的功能也普遍存在於多種 網際網路應用的研究之中(Ko et al., 2005; Dholakia et al., 2004; Stafford, 2001)。娛 樂性價值背景下，情緒反應和滿意度之間已經有研究將之建立了緊密的聯繫 (Dawson, Peter and Nancy, 1990，Wakefield and Baker, 1998)。根據范懿文等學者 (2011)研究結果顯示，娛樂性符合媒體選用的動機，並可以提升使用者的滿意程 度。Lin (2016)研究結果顯示，使用 Instagram 滿意度中娛樂性的影響力最大，由

此可知，提升產品使用娛樂性，有助於使用滿意程度的提升。王春煊(2016)在研 究中指出，觀看 Twitch TV 直播主要獲得的娛樂性會影響粉絲持續使用 Twitch TV 的意願。換句話說，娛樂性為影響社群媒體滿意度重要前因之一。因此根據上述 文獻，當 YouTuber 影片娛樂性不足時，便會影響使用者對於 YouTuber 頻道的滿 意程度。據此，本研究建立假說(二)。 假說(二)：娛樂性不足會正向影響 YouTuber 頻道的知覺不滿意 二、標題與內容不一致 Oliver(1980)將不一致概念分為以下三種：第一、正面不一致性(知覺績效超 過期望)。第二、不一致性(知覺績效等於期望)。第三、負面不一致性(知覺績效 低 於 期望 ) ，此構念最常應用於消費者對產 品以及服務的期望之差異 (Zhu, Freeman, & Cavusgil, 2018; Kaski et al., 2017; Hoang et al., 2017)。舉例來說，顧客 在購買產品前的預期想法與購買後的實際想法，可能產生不一致的期望落差，也 就是不一致性(Disconfirmation)，也因此會藉此作為判斷對產品、服務的滿意程 度(Oliver, 1980)。這樣的論點也被廣泛用在許多議題上。 Kim(2000)研究期望不一致對整體滿意度的影響，發現負向期望不一致會對 滿意度和回購決策產生更大的影響。Fan 和 Suh (2014)主要調查顛覆性科技 (Disruptive Technology)的用戶轉換現有科技意圖之因素，研究結果發現，負面不 一致性越高，確實會正向顯著影響使用者不滿意。其中，提出不一致性可以區分 為兩類：第一是知覺績效超出期望的情況下，顧客將會感到滿意，因為他們覺得 產品成功滿足本身需求，並達到預期。第二是知覺績效低於期望，因而產生不滿 意。Qazi 等人(2017)在探討分辨和理解多種類型行銷分析的結果發現，用戶對購 買的感知體驗結果所出現的正向、負向、中立的情感詞，在不一致和滿意之間有 著顯著影響。另一方面，Zhu, Freeman 和 Cavusgil(2018)探討餐廳客戶上網評論 的時間，此研究發現，客戶的實際體驗與同一餐廳的先前消費過的客戶的平均評 論評分之間的差異，當知覺績效低於期望，產生不滿意會影響客戶上網評論的時

間。簡而言之，不一致性和最初期望可決定使用者對產品滿意或不滿意，進而確 定產品使用的持續性或不持續性 (Bhattacherjee & Premkumar, 2004)。

過去仍有許多文獻探討期望不一致理論中的不一致性和滿意度之間的關 聯，進而影響使用者後續的意圖。然而，造成不一致的原因有很多。例如，商品 功能不如預期、商品易用性不如預期、溝通方式不一致、或甚至於如 Parasuraman 等學者 (1988)提出的服務品質五大構面(有形性、可靠性、反應性、保證性、同 理 心 ) 中 的 任 何 一 種 構 面 不 如 預 期 ， 都 有 可 能 造 成 不 一 致 而 導 致 不 滿 意。McKinney 等學者 (2002)研究指出，影響線上購物資訊品質中的訊息可靠性 是影響滿意度的主要因素之一。Rita, Oliveira 和 Farisa(2019)的研究也指出，影響 線上購物線上服務品質是影響顧客滿意度的主要因素之一。換言之，線上購物網 站所公告的內容或服務和實際所做的不一致時，勢必失去顧客的信賴，也因此其 滿意度必定大受影響。 如同前述的觀點，造成不一致的原因有很多。本研究認為當 YouTuber 傳遞 的影片內容與觀看者所看到的影片標題的期望不一致時，觀看者可能會產生不滿 意，進而導致觀看者不再持續點閱此 YouTuber 的相關影片。據此，本研究建立 假說(三)。 假說(三)：標題與內容不一致性會正向影響 YouTuber 頻道的知覺不滿意 三、知覺廣告干擾 沉浸理論強調，當人們專注於自己的活動時，通過精神刺激產生的愉悅和興 奮的情感狀態(Csikszentmihalyi, 1990)，此狀態又稱沉浸體驗，它是用於解釋專 心參與活動而營造出的一種特別的精神狀態；Ghani 以及 Deshpande (1994)指 出，沉浸體驗是專注及享受的特徵，因為當一個人沉浸於高水平的享受時，往往 會進入時間感減弱的狀態，這是由於在特定活動中之絕對專注所致。在影音社群 的研究中也會探討是否會讓觀眾出現這樣一個現象，這也是 Youtuber 試圖營造 的氛圍，並且對於觀看和參與狀況有密切相關。

Chen(2000)的研究指出，當使用者執行某項事物時，在執行過程中將產生某 些認知特性，如享受、專注的感覺，或者是時間感的扭曲與自我意識的喪失，而 這些認知特性則促使使用者進入沉浸體驗，並進而影響其使用態度與行為上的轉 變。而 Zarem（2000）也認為，人需藉由體驗才會變得有動機和需要，無法提供 體驗的網路商業行為將更難以成功。換言之，現在使用者需要情感上的滿足，功 能性的需求將逐漸成為使用者追求的基本標準。以網路購物為例，當消費者使用 網站以幫助其購買決策之評估或了解產品之相關資訊時，其在網站的操作過程中 將產生沉浸體驗，而沉浸體驗的正向與負向則進一步影響消費者的態度與行為 (Mahfouz, 2004)。換言之，當消費者沉浸體驗受到干擾時，必然會中斷其體驗的 滿足感，因而產生不滿意的知覺。 在 需 求 日 漸 成 長 的 線 上 影 音 市 場 ， 不 只 是 許 多 使 用 者 紛 紛 加 入 成 為 YouTuber，更有許多公司漸漸將廣告預算重心投放在 YouTube 上。大部分的企 業主原本都在電視節目中間投放廣告， Google 官方部落格(2017)的報告指出， 81%的電視觀眾會在廣告時段分心，有的轉向使用其他裝置瀏覽網頁(39%)、看 社群網站 (39%)、觀看線上影片(16%)、或線上購物(12%)，對於廣告投放的業主 而言，並非只是將廣告曝光在電視上就好，還要增加可見率，也就是有被觀眾看 到的程度，並且增加觀眾對該品牌的印象、提高興趣進而推動購買率才是能達到 廣告的最大效益。而根據 YouTube 的內部數據，台灣 YouTube 影片的平均可視 度為 94%，遠高於其他網頁或應用程式的 73% ( Google 官方部落格, 2017)。這 也讓企業、廣告商開始增加在 YouTube 上的廣告投放率。 在 YouTube 平台上，觀看者觀賞影片時，會以不同的廣告方式獲得關於產品 或品牌的訊息，業主企圖以這樣的方式加深觀看者對其產品或品牌的印象。根據 Youtube (2018)的規則，YouTuber 可以在個人頻道的影片中設定廣告出現在影片 的時間點以及廣告多寡。由於現在 Youtuber 影片中最常見的廣告為插播式廣告， 此種類型的廣告被認為比彈出式的廣告來得更具侵略性，主要的原因是因為觀看 者對此類型的廣告沒有控制權(Duff & Faber, 2011)。換句話說，當產品或品牌的

廣告在觀看者看影片時突然出現訊息，對於專注瀏覽影片的觀看者，在視覺上以 及沉浸的情緒上會造成干擾。而如果這樣的現象常常出現在某個 YouTuber 頻 道，勢必容易造成點閱者的不愉快，甚至於感到不滿意而不再點閱。 本研究以此為論點，主張 YouTuber 的廣告干擾是引起觀看者不滿意的主因之 一，進而導致觀看者不再持續觀看此 YouTuber 頻道的相關影片。據此，本研究 建立假說(四)。 假說(四)：知覺廣告干擾會正向影響 YouTuber 頻道的知覺不滿意 第五節. YouTuber 特質之期望不一致 一、知覺互動性不足 網際網路新科技具有互動性、個人化程度及小眾化的特性(Rogers, 1986)，換 言之，現今的網路媒體跟以往的傳統媒體最大的不同，即是不再受限於時間的束 縛。訊息接收者使用網路時不只透過媒體接收訊息，也可成為訊息傳遞者，強化 了訊息 接受者 的主 動性， 也提 升了訊 息傳 遞的速 度及豐 富度 。 Stewart 和 Pavlou(2002)的研究認為，網路媒體相較其他媒體的力量來的強大，最主要的因 素是它可以做到比其他傳統媒體更多的互動性。因此，近幾年關於網站互動性的 相關研究漸漸獲得重視。Palmer(1997)強調，網路媒體的特性中，又以「互動性」 被認定為網路媒體最特殊的功能。Newhagen(1997)也強調，互動性是指媒體內容 與使用者之間的回饋關係。 舉例來說，YouTuber 會在影片最後告訴觀看者有任何想看的影片主題都可 以在底下的留言區留言，讓 YouTuber 知道觀看者們的需求。Song 和 Zinkhan(2008) 將消費者在網路情境中所感受到的互動性定義為三個概念：溝通性、控制性，以 及回應性。溝通性是指當使用者在社群網站上能夠與其他使用者溝通的程度；控 制性是指使用者感受到能夠掌控與操縱的程度；回應性是指社群網站對於使用者 需求的回應速度。Keng 和 Ting(2009)也將網路互動性定義為人際互動與人機互 動。透過人際互動，使用者可以在網站上相互溝通與交換訊息，而人機互動是指

人們藉由瀏覽、搜尋或回饋等方式參與網站的使用。過去研究有關人機互動以及 對於使用者後續知覺的影響，常是許多心理學家與社會學家所關心的主題 (Bailenson et al., 2005 ; Nowak, 2004)。

施昌杞(2014)提到，過去對於互動性研究，較少針對於感受性互動之研究， 而 Jee 和 Lee(2002)的研究也發現，一個網站所提供的互動功能多寡，並不能直 接正向影響顧客購物意願與使用意圖，消費者的態度與購買意願是受到消費者對 該網站互動性的感受程度所影響。唯有當使用者經過實際互動後的知覺感受，才 是真正影響使用者對於網站認知的最大因素(Song & Zinkhan, 2008)。Kim(2011) 研究指出，知覺互動性則強調消費者實際互動體驗後的內在感知，且相較互動性 更適合用來預測消費者的使用心態以及後續的行為。 YouTuber 與觀看者的互動在 YouTube 平台上僅限於影片底下留言區。當觀 看者對於 YouTuber 的影片給些回饋或意見時，YouTuber 由於底下留言數量眾多 並不一定每則回覆，也不一定會採納每個留言者的想法。而剛開始觀看者可能覺 得這件事情也沒什麼影響，但經過多次留言的經驗後，觀看者開始認為這樣的回 饋是無用的，而少了與 YouTuber 留言互動的樂趣，進而產生觀看者的不滿，進 而導致觀看者不再持續觀看此 YouTuber 頻道的相關的影片。因此，本研究認為 互動性不足是造成 YouTuber 頻道用戶不滿意的主因之一，據此，本研究建立假 說(五)。 假說(五)：互動性不足會正向影響 YouTuber 頻道的知覺不滿意 二、負面自我披露 在網路社群中，自我披露定義為自願向另一方洩露個人資訊( Mothersbaugh et al., 2012; Sprecher and Hendrick, 2004; Derlega and Chaikin, 1977; Meeks et al., 1998)，並且此類資訊可能包括個人感覺、觀點、態度、判斷和經驗(Hassan et al., 2016; Barak and Gluck-Ofri, 2007; Sprecher and Hendrick, 2004)。自我披露有兩種 發生來源，一種是自發性(例如通過自我感觸的舒發)，另一種是鼓勵的（例如通

過提問），本研究屬於前者的自我披露。在人際關係中，相互的自我披露有助於 建立關係(Cozby, 1973)。一般來說，在已建立的關係會存在較多的自我披露，換 言之，參與社群的人在情感上會投入的越多。 Pang(2018)的研究指出，在微博博主社群上的自我披露與使用者的生活滿意 度有著正向的影響，這意味著微博博主的自我披露，可以讓社群成員得到比較正 向的生活品質。根據 Ferchaud 等人(2018)的研究指出，YouTuber 在影片中增加 自我披露的方式，可以跟觀眾建立更深的關係，並可以藉此方式吸引觀眾喜歡他 們，同時也可以透過評論影片的方式，增加 YouTuber 以及觀眾的互動，並進而 創造親近感。然而，當有負面的自我披露時，特別是涉及社會不良訊息時，可能 對這種關係會產生負面影響。但也有可能為了迎合訂戶的口味，YouTuber 刻意 掩飾本性上的自我披露，這樣的行為是否能維繫訂戶的繼續關注或點閱，或是反 而離他們越來越遠，目前的文獻著墨甚少。 例如 Green 等學者(2006)的研究結果顯示，負面的自我披露也可能是一種促 進人際關係的策略，或提高 YouTuber 與觀眾的親近程度。Ferchaud 等人(2018) 的研究數據也顯示，娛樂型 YouTuber 在影片中的負面自我披露高於其他類型的 影片(例如，遊戲、教學類型影片)。以現在 YouTuber 頻道來說，目前普遍的現 象是 YouTuber 常常為了吸引觀眾的訂閱並且點閱，因此做出一些看似無理頭的 行為，但實際上這些舉動已是不良的示範，或者是在影片中因為激動講出一些不 雅的字眼等等，進而影響觀看者對此 YouTuber 的滿意程度。因此本研究認為， 負面自我披露會逐漸失去原先被吸引的訂戶，因為其自我披露的初心越來越弱 時，將導致訂戶的期望不一致，也因此是造成 YouTuber 頻道用戶不滿意的主因 之一。本研究據此建立假說(六)。 假說(六)：負面自我披露會正向影響 YouTuber 頻道的知覺不滿意 第六節. 點閱資歷 有關使用某產品或服務之後的相關研究，過去的文獻指出，使用者在持續使

用後，特定原因會更強烈地影響客戶對該產品或服務(例如技術)的態度(Davis, 1989; Hong et al., 2006)。這意味著引發使用者會繼續使用的主因，會隨著使用時 間 的 推 移 而 改 變 。 過 去 的 研 究 主 要 著 重 於 預 先 採 用 和 初 步 採 用 的 影 響 因 子(Alnawas & Aburub, 2016; Baptista & Oliveira, 2015; Harris et al., 2016; Kang et al., 2015; Kim et al., 2014; Muñoz-Leiva et al., 2017)，尤其是預先採用和最初採用 行動化服務的使用者。McLean 等學者(2020)特別針對因時間推移而產生變化進 行研究，以便能更深入的了解消費者隨著時間的推移，對行動會應用程序的態度 和行為。

舉例來說，McLean 等人(2020)的研究發現，手機 app 的不同使用時間(例如 1 個月)，會影響消費者態度與行為的關係。例如，對資淺使用者而言，主觀規範 對態度有顯著影響，但是對資深使用者而言卻沒有影響。Wu, Kao 和 Chiu (2019) 的研究也指出，LINE-P 用戶中，不同使用資歷，其影響前因也不同。例如，對 資深用戶而言，新奇性降低是他們不再關注的顯著因子，但對資淺者而言卻不是 顯著因子。從 YouTuber 頻道的訂戶資歷之角度來看，訂閱的時間長短也不盡相 同，連帶使其不滿意的前因會造成不同程度的影響。 因此本研究認為，YouTuber 頻道的訂戶之點閱資歷，隨著時間長短對該 頻道的了解或感受也會有不同，因此期望不一致的來源也將有所改變，造成 YouTuber 頻道影片特質及 YouTuber 特質的相關因子，與知覺不滿意的關聯性有 所改變。以 YouTuber 頻道影片特質之娛樂性不足為例，資淺者初步體驗該頻道 影片，對其中內容的娛樂性效果可能要求比較不高，因此娛樂性不足可能比較不 會是造成不滿意的主因。而資深者對該頻道影片已有一定程度的了解，娛樂特點 也多半熟悉，因此娛樂要求會比較高，如果沒有創新娛樂效果，期望不一致的程 度便會增高，也因此比較容易產生知覺不滿意。本研究據此建立假說 H7 到假說 H11。 假說(七)：點閱資歷顯著調節娛樂性不足對知覺不滿意的影響

假說(八)：點閱資歷顯著調節標題與內容不一致對知覺不滿意的影響 假說(九)：點閱資歷顯著調節知覺廣告干擾對知覺不滿意的影響 假說(十)：點閱資歷顯著調節互動性不足對知覺不滿意的影響 假說(十一)：點閱資歷顯著調節負面自我披露對知覺不滿意的影響

第三章、 研究方法

第一節. 研究模型 本研究依據第二章的研究假說，建立研究架構圖(如圖 3-1)。右半部方面， 因變數有不持續點閱意圖，其自變數為知覺不滿意；而左半部方面，因變數為知 覺不滿意，其自變數包括影片特性期望不一致及 YouTuber 特質期望不一致，其 中，影片特性期望不一致包含娛樂性不足、標題與內容不一致、及知覺廣告干擾 等三個子變數。YouTuber 特質的期望不一致包含知覺互動性不足及負面自我披 露等二個子變數。 圖 3- 1 研究架構圖 本研究由過去文獻彙整出個別變數之定義，再依本研究之情境修改參考文獻 之各變數定義，進而形成本研究各變數的操作型定義，如表 3-1 所示。本研究主 要衡量的構念，包含娛樂性不足、標題與內容不一致性、知覺廣告干擾、互動性 不足、負面自我披露、知覺不滿意、不持續點閱意圖以及點閱資歷等 9 個研究變

數。例如，「娛樂性不足」代表影片特性中，觀看者接收的影片標題及內容，並 沒有感受到娛樂心情的程度。本研究將參考文獻內容，依各變數的操作型定義， 發展成適用於本研究情境之問卷。 表 3- 1、研究變數操作定義 研究變數 操作型定義 參考文獻 自變數 影片特性 期望不一致 觀看者知覺影片特性與期望不一致的程度，包括娛樂性不足, 標 題與內容不一致性及知覺廣告干擾。 娛樂性不足 影片特性中，觀看者接收的影片 標題及內容感受不到娛樂心情 的程度。 Lin (2016),范懿文(2011), McQuail et al. (2005), Ko et al. (2005), Dholakia et al. (2004); Stafford (2001) 標題與內容 不一致性 影片特性中，觀看者接收的標題 產生的想法以及實際觀看後的 內容與個人的想法不一致的程 度。

Zhu, Freeman, & Cavusgil (2018), Kaski et al.

(2017); Hoang et al. (2017), Qazi et al. (2017), Fan & Suh (2014), Bhattacherjee & Premkumar (2004), Bhattacherjee (2001), Anderson & Sullivan (1993), Yi (1990), Parasuraman et al. (1988), Oliver (1980) 知覺廣告干擾 影片特性中，觀看者所觀看的影 片中出現的廣告，導致觀看者煩 躁或厭煩的程度。

Duff & Faber (2011) ,Mahfouz (2004), Chen (2000), Csikszentmihalyi (1990) YouTuber 特性 期望不一致 觀看者知覺 YouTuber 特性與期望不一致的程度，包括知覺互動 性不足、負面自我披露。 知覺互動性不足 YouTuber 特質中，YouTuber 與 觀看者缺乏互動的程度。

Song & Zinkhan (2008), Stewart & Pavlou (2002), Palmer

(1997), Newhagen (1997) 負面自我披露 YouTuber 特質中，YouTuber 的 性格特徵對觀看者負面影響的 程度。 Ferchaud et al. (2018), Mothersbaugh et al. (2012), Green et al. (2006), Sprecher

and Hendrick (2004), Derlega and Chaikin (1977), Meeks et al.(1998)

因變數(自變數)

知覺不滿意 用戶不滿意所訂閱的 YouTuber 頻道之程度。

Zhang et al.(2009), Hedrick et al.(2007), Giese & Cote(2000), Storm & Storm(1987),

Weiner(1986), Oliver(1980 ) 因變數

不持續點閱意圖 用戶不願意再持續點閱

YouTuber 頻道的意願之程度。

Yang et al. (2012), Boontarig et al. (2012), Dwyer & Tanner (2009), Spiller et al. (2007), Ping (1995) 第二節. 問卷設計 本研究參考過去相關文獻之題項，為了可確實符合本研究之情境，因此針對 YouTuber 頻道的觀看體驗作為題項的調整方向。本研究的問卷內容如附錄所 示，其中，娛樂性不足改編自 Demetrovics et al.（2011）。不一致性則參考 Bhattacherjee, (2001)。知覺廣告干擾參考於 Ghani & Deshpande (1994) 和 Lee et al. (2016)。互動性不足參照於 Barua et al. (1995); Sirohi et al. (1998)。負面自我披 露參照於 Chen & Marcus（2012）; Green et al. (2006)。知覺不滿意參照於 Chan & Cui (2011)。不持續點閱之意圖改編自 Yang et al. (2012)。所有衡量問項皆採 Likert 五點尺度(1：非常不同意; 5：非常同意)，表示分數越高程度相對越高。本研究 未來也將進行預試並修改，以確定受測者都能了解問項的題意，以降低誤差。 第三節. 抽樣計畫 本研究主要母體限定為在台灣有訂閱頻道且觀看過 Youtuber 的用戶。為了 提高樣本有效性，填答者進入問卷題項前，會先行簡短介紹主要調查的對象與 YouTuber 種類，以幫助受測者填答，藉此降低受測者對問項產生疑惑的機率。 另一方面，為避免使用者只選定自己所偏好的 YouTuber，而影響研究結果，所

以要求填答者在列出的 10 個 YouTuber 中自行勾選訂閱過但目前已少觀看或不 再觀看的 YouTuber，又或是自行填寫 YouTuber 名稱在其他 3 個開放欄位。主要 選定的 10 個 Youtuber 為根據台灣自媒體社群產業發展協會統計出的台灣娛樂型 YouTuber。而勾選目前已不再觀看的 YouTuber，可降低使用者勾選或是填寫自 己目前還有在持續訂閱以及觀看的 YouTuber 的問題，如此研究樣本也可更為 聚焦。後續，再從填答者勾選的 YouTuber 中，隨機選出其一作為問卷的調查 對象，可避免使用者在填寫問卷時，因為無標的物作為對象而無法正確表達出個 人的看法。 第四節. 資料分析技術 根據收回的資料，本研究首先採用 SPSS 以進行敘述性統計分析(Descriptive Statistics)以了解整體之樣本結構如性別、年齡、點閱 YouTuber 的經驗、資歷、 近況及習性等，以統計出各構面的平均值及標準差，並刪除無效問卷，包括離群 值、未填答完整與填答過於一致的樣本。信度方面，Cronbach’s α 與組合信度 (composite reliability)均大於建議之門檻值 0.7，表示題項中具有高度之一致性 (Fornell & Larcker, 1981)；效度方面，各題項之因素負荷量 (factor loading)大於 0.7 且各構念之平均變異萃取量 (average variance extracted; AVE)大於 0.5 表具有 足夠之收斂效度 (convergent validity) (Fornell & Larcker, 1981)，而各構念之 AVE 平方根值均大於其他構念的相關係數，則表示具有良好之區別效度 (discriminant validity)(Chin, 1998)。最後，再透過結構方程模式 (structural equation modeling, SEM)來驗證研究結構模型 (structural model)以及研究假說。

第五節. 預試資料分析 ㄧ、預試資料搜集

本研究透過 Facebook 問卷版以及 LINE 平台上發放網路問卷來蒐集預試 (pilot test)資料，受測者主要為本研究作者之 Facebook 以及 LINE 好友。預試問

卷發放時間 2020 年 3 月 5 日至 3 月 11 日，共 7 日。本研究預試共計收回 60 份 問卷，其中刪除未完整填答、不符合問卷填答資格者與快速填答之樣本後，有效 樣本數為 33 筆。

二、信效度分析

本研究預試之信度衡量方式與本章第三節（資料分析方法）相同，信度方面， 以 Cronbach’s α 大於 0.7 做為門檻值，表示題項中具有內部一致性 (Fornell & Larcker, 1981)，如表 3-2 所示。由表 3-2 的分析結果得知，各項信度指標皆達到 可接受的標準，因此根據上述的量測標準，本研究將所有預試之題項保留至正式 線上問卷當中進行發放，詳細之資料分析結果描述於第四章。 表 3-2、預試信度檢定 構面 問項 平均數 標準差 項目總相關 Cronbach's α 娛樂性不 足 DP1 4.39 1.478 .630 0.899 DP2 4.67 1.493 .587 DP3 4.88 1.556 .584 標題與內 容不一致 TCD1 3.55 1.301 .515 0.751 TCD2 4.21 1.616 .708 TCD4 4.73 1.526 .702 知覺廣告 干擾 PAI1 4.91 1.588 .353 0.897 PAI2 5.24 1.521 .408 PAI3 4.76 1.855 .256 知覺互動 性不足 DIA1 3.67 1.384 .605 0.770 DIA2 5.18 1.489 .775 DIA3 4.33 1.407 .650 負面自我 披露 NSD1 4.18 1.509 .760 0.929 NSD2 4.18 1.402 .720 NSD3 4.09 1.702 .727 知覺不滿 意 PD1 4.24 1.601 .714 0.859 PD2 4.12 1.409 .700 PD3 3.64 1.388 .725 不持續點 DIA1 5.21 1.293 .698 0.778

閱意圖 DIA2 5.55 1.227 .230

第四章、研究結果

第一節. 敘述性統計分析 本研究發放正式問卷時間為 109 年 3 月 18 日至 109 年 4 月 13 日共 計 27 日，總回收共 544 份問卷，扣除不符合樣本資格者、填寫很少觀看或不 再觀看 YouTuber 頻道之經驗者、填答不完全或勾選均同一值之樣本共計 138 份，有效問卷共計 406 份。 依統計資料分布中發現，男女樣本比例分別為 49.5%及 50.5%，且填答者 年齡主要分布於 19 到 29 歲，占了六成。學歷以專科/大學為多數，占 55.2%。 而對於在影片留過言的填答者僅佔了四成，其中 1~2 週會留言的填答者佔了 27.1%，超過 2 週以上的填答者佔了 19.2%。填答者目前已不關注的 YouTuber 頻道，曾關注的時間大多為 3~5 個月佔了填答者的 30.5%。目前以統計資料分析， 最 多 填 答 者 不 再 觀 看 或 少 觀 看 的 頻 道 為 TGOP 這 群 人 (15%) 、 三 原 JAPAN(16.3%)、反骨男孩(14.5%)、木曜 4 超完(11.6%)、眾量級 CROWD(11.3%)、 蔡阿嘎(13.1%)，並且有 12 人自填不再或很少觀看的頻道。整體來看，受測者並 沒有特別集中在某一個或某兩個頻道，樣本分布尚屬平均。詳細樣本結構統計資 料如表 4-1 所示。 表 4- 1、樣本結構統計表 特性 類別 人數(人) 百分比 性別 生理男 202 49.5% 生理女 204 50.2% 年齡 18 歲(含)以下 4 1.0% 19 到 24 歲 161 39.7% 25 到 29 歲 101 24.9% 30 到 34 歲 70 17.2% 35 到 39 歲 36 8.9% 40 到 44 歲 28 6.9% 45 到 49 歲 3 0.7% 50(含)以上 3 0.7%

學歷 研究所(含)以上 160 39.4% 專科/大學 224 55.2% 高中職(含)以下 22 5.4% 填答者是否留過 言 否 218 53.7% 是 188 46.3% 填答者留過言留 言頻率 1~2 週 110 27.1% 2 週以上 78 19.2% 曾經關注 YouTuber 頻道 多久時間(目前 已不再觀看的頻 道) 一年(含)以上 80 19.7% 6~11 個月 97 23.9% 3~5 個月 124 30.5% 1~2 個月 60 14.8% 少於 1 個月 45 11.1% 目前已不觀看的 YouTuber 頻道 TGOP 這群人 61 15% 三原 JAPAN 66 16.3% 反骨男孩 59 14.5% 木曜 4 超完 47 11.6% 白癡公主 19 4.7% 阿啾小劇場 14 3.4% 洋蔥 5 1.2% 狠愛演 24 5.9% 眾量級 CROWD 46 11.3% 蔡阿嘎 53 13.1% 其他 12 3.9% 第二節. 信效度分析 本研究分別進行信度、效度與區別效度來確定資料的可靠性。首先，信度部 分，為測量本問卷內部一致性和穩定性，因此，以 Cronbach's Alpha 檢驗出各 個構面之項目的信度。本研究 Cronbach's Alpha 範圍為 0.792 至 0.916，皆大 於 0.7 的標準值 (Nunnally, 1978)。因此，本研究量表具有良好信度，詳細資料 如表 4-2 所示。 在因素分析以及效度部分，其目的是檢驗一個變數中的多個問項是否能收斂 於一個因子，以探索性因素分析 (Exploratory Factor Analysis, EFA)、因素負荷量 (Factor Loading)、組合信度(Composite reliability, CR)和平均變異萃取量 (Average

Variance Extracted; AVE)來衡量。本研究因素負荷量分布於 0.796 至 0.941 之 間，皆超過門檻值 0.7 (Fornell & Larcker, 1981)，如表 4-3 所示。而組合信度值 介於 0.878 到 0.949 之間，皆達 0.8 標準值以上 (Chin, 1998)，各個構面的平 均變異萃取量範圍於 0.707 到 0.861，均大於標準值 0.5 (Fornell & Larcker, 1981)。故表示此量表具有不錯的收斂效度，如表 4-4 所示。 最後，區別效度部分，主要來判別各個構面之間是否具有區別性，由表 4-4 可看出，AVE 平方根值以對角線粗體表示，其下方對應的每一個格子數值表示 為各構面的相關係數，而每個構面的 AVE 平方根值皆大於其他構面的相關係數 (Chin, 1998)。且進一步檢驗出各構面的相關係數均小於 0.8 之標準值 (Pedhazur, 1982)，顯示此研究量表的各構面與構面之間具有區別性，以及無多元共線問題， 如表 4-4 所示。由上述所有檢驗的結果可知，信效度皆符合標準值，則可進一步 驗證後續的研究模型。 表 4- 2、信度檢測結果 構面 問項 平均數 標準差 項目總相關 Cronbach's α 娛樂性不 足 DP1 4.818 1.4320 .695 0.883 DP2 5.140 1.4063 .676 DP3 5.315 1.3767 .615 標題與內 容不一致 TCD1 4.384 1.5429 .709 0.860 TCD2 4.764 1.4498 .710 TCD4 5.131 1.3148 .692 知覺廣告 干擾 PAI1 4.933 1.5212 .518 0.919 PAI2 5.025 1.5281 .475 PAI3 4.894 1.5951 .479 知覺互動 性不足 DIA1 4.298 1.5483 .615 0.792 DIA2 5.271 1.2553 .623 DIA3 4.704 1.3847 .714 負面自我 披露 NSD1 4.663 1.7147 .764 0.903 NSD2 4.842 1.5427 .716 NSD3 4.616 1.6734 .734 知覺不滿 意 PD1 4.980 1.3661 .793 0.916 PD2 4.594 1.6208 .810 PD3 4.419 1.6930 .844

不持續點 閱意圖 DIA1 5.458 1.2519 .662 0.842 DIA2 5.613 1.2671 .532 DIA3 5.520 1.4718 .607 表 4- 3、各題項之因素負荷量 不持續 點閱意 圖 娛樂性 不足 標題與 內容不 一致 知覺不 滿意 知覺互 動性不 足 知覺廣 告干擾 負面自 我披露 DI1 0.285 0.410 0.514 0.522 0.839 0.476 0.537 DI2 0.527 0.608 0.508 0.581 0.796 0.222 0.471 DI3 0.411 0.497 0.672 0.630 0.885 0.456 0.564 DIA1 0.903 0.591 0.496 0.668 0.482 0.235 0.530 DIA2 0.803 0.426 0.436 0.504 0.361 0.214 0.446 DIA3 0.906 0.524 0.449 0.641 0.427 0.167 0.520 DP1 0.498 0.888 0.608 0.607 0.573 0.300 0.565 DP2 0.575 0.929 0.565 0.614 0.521 0.268 0.497 DP3 0.537 0.882 0.543 0.573 0.537 0.177 0.431 NSD1 0.541 0.544 0.624 0.735 0.587 0.362 0.931 NSD2 0.517 0.510 0.590 0.707 0.566 0.301 0.897 NSD3 0.518 0.466 0.565 0.724 0.559 0.405 0.917 PAI1 0.237 0.280 0.369 0.393 0.432 0.941 0.391 PAI2 0.209 0.246 0.326 0.355 0.403 0.938 0.342 PAI3 0.205 0.244 0.357 0.366 0.433 0.905 0.348 PD1 0.683 0.651 0.667 0.910 0.621 0.295 0.693 PD2 0.644 0.553 0.654 0.926 0.639 0.401 0.749 PD3 0.616 0.642 0.708 0.941 0.658 0.419 0.750 TCD1 0.429 0.534 0.885 0.646 0.619 0.375 0.589 TCD2 0.473 0.557 0.913 0.651 0.587 0.319 0.592 TCD4 0.499 0.595 0.854 0.642 0.589 0.310 0.538 DP :娛樂性不足, TCD : 標題與內容不一致 , PAI : 知覺廣告干擾, DI :知覺互動性不足, NSD : 負面自我披露, PD: 知覺不滿意, DIA: 不持續點閱意圖

表 4- 4、各構面之效度矩陣表 CR AVE 變數 不持 續點 閱意 圖 娛樂 性不 足 標題 與內 容不 一致 知覺 不滿 意 知覺 互動 性不 足 知覺 廣告 干擾 負面 自我 披露 不持續點 閱意圖 0.904 0.760 0.872 娛樂性不 足 0.928 0.810 0.596 0.900 標題與內 容不一致 0.915 0.782 0.528 0.636 0.884 知覺不滿 意 0.947 0.857 0.700 0.665 0.731 0.926 知覺互動 性不足 0.878 0.707 0.490 0.604 0.677 0.690 0.841 知覺廣告 干擾 0.949 0.861 0.234 0.277 0.378 0.401 0.456 0.928 負面自我 披露 0.939 0.837 0.574 0.554 0.648 0.789 0.624 0.389 0.915 第三節. 研究模型驗證 本研究為了估計路徑係數與顯著性，採用 Smart PLS 3 作為結構方程模型 (Structural Equation Models, SEM)之分析工具，檢定結果如表 4-5 及圖 4-1 所示， 除了 H4 未達到統計上的顯著性以外，其他假說皆受到支持下，說明如下。 首先，在假說 H2 至 H6 的部分，假說 H2 為「娛樂性不足會正向影響知覺 不滿意」，結果表示 H2 受到支持 (β = 0.188, p < 0.001)；假說 H3 為「標題與內 容不一致會正向影響知覺不滿意」，結果表示 H3 受到支持 (β = 0.217, p < 0.001)；假說 H4 為「知覺廣告干擾會正向影響知覺不滿意」，結果表示 H4 未獲 得支持 (β = 0.030, p > 0.05)。假說 H5 為「知覺互動性不足會正向影響知覺不滿 意」，結果表示 H5 受到支持 (β = 137, p < 0.01)；假說 H6 為「負面自我披露會 正向影響知覺不滿意」，結果表示 H6 受到支持 (β = 0.447, p < 0.001)；假說 H1

為「知覺不滿意會正向影響不持續點閱意圖」，結果表示 H1 受到支持 (β = 0.700, p < 0.001)。 表 4- 5、結構模式分析結果 假說 不持續點閱意圖 知覺不滿意 Beta 值 t 值 p 值 Beta 值 t 值 p 值 檢定結果 知覺不滿意 (H1) 0.700*** 27.705 <0.0001 成立 R2=0.490 娛樂性不足 (Ｈ2) 0.188*** 4.619 <0.0001 成立 標題與內容 不一致(Ｈ3) 0.217*** 4.613 <0.0001 成立 知覺廣告干 擾(Ｈ4) 0.030 0.758 0.449 不成立 知覺互動性 不足(Ｈ5) 0.137** 3.201 0.001 成立 負面自我披 露(Ｈ6) 0.447*** 10.455 <0.0001 成立 R2=0.743 註：*p<0.05, **p<0.01, ***p<0.001